โดย Maksym Misichenko · Nasdaq ·
สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้
คณะกรรมการเห็นพ้องกันว่า ASIC แบบกำหนดเองจะเติบโตและมีความสำคัญต่อ AI inference แต่จังหวะและขอบเขตของการนำไปใช้ยังคงไม่แน่นอน ระบบนิเวศซอฟต์แวร์ของ Nvidia และประสิทธิภาพของ GPU ถือเป็นอุปสรรคสำคัญต่อการทดแทนอย่างรวดเร็ว
ความเสี่ยง: การเปลี่ยนไปใช้ ASIC แบบกำหนดเองอาจช้ากว่าที่คาดไว้เนื่องจากคูเมืองซอฟต์แวร์ของ Nvidia และประสิทธิภาพของ GPU ซึ่งจำกัดการปรับราคาในระยะสั้นของผู้ออกแบบ ASIC ที่ไม่มีโรงงานผลิต เช่น Broadcom และ Marvell
โอกาส: ศักยภาพการเติบโตในระยะยาวในซิลิคอนเฉพาะทางสำหรับ AI inference ซึ่งขับเคลื่อนโดยความต้องการด้านต้นทุนและประสิทธิภาพพลังงานจากผู้ให้บริการคลาวด์รายใหญ่
การวิเคราะห์นี้สร้างขึ้นโดย StockScreener pipeline — LLM สี่ตัวชั้นนำ (Claude, GPT, Gemini, Grok) ได้รับ prompt เดียวกันและมีการป้องกันต่อภาพหลอนในตัว อ่านวิธีการ →
โปรเซสเซอร์แบบกำหนดเองจาก Marvell และ Broadcom มีความสำคัญเพิ่มขึ้นเรื่อยๆ สำหรับบริษัทเทคโนโลยีชั้นนำ
Broadcom และ Marvell กำลังเติบโตอย่างมหาศาลจากการนำของ AI โดยมีลูกค้าหลักอย่าง Alphabet และ Microsoft ลงนามในข้อตกลง
Taiwan Semiconductor อยู่ในตำแหน่งที่ไม่เหมือนใครที่จะได้รับประโยชน์จากบูมฮาร์ดแวร์ AI โดยไม่คำนึงถึงโปรเซสเซอร์ที่ต้องการ
Nvidia (NASDAQ: NVDA) เป็นหุ้นปัญญาประดิษฐ์ (AI) ชั้นนำมาหลายปีแล้ว โดยราคาหุ้นพุ่งขึ้น 600% ในช่วงสามปีที่ผ่านมา แต่มีเรื่องน่าแปลกเกิดขึ้นหลังจากบริษัทรายงานผลประกอบการไตรมาสเดือนตุลาคมที่น่าประทับใจ: ราคาหุ้นของบริษัทลดลง
นั่นไม่ใช่ความผิดของ Nvidia และนักลงทุนก็ไม่มีเหตุผลที่ดีที่จะลงโทษหุ้น แต่หลังจากที่ราคาหุ้นพุ่งสูงขึ้นอย่างยาวนานและน่าประทับใจ ก็เป็นเรื่องยากสำหรับ Nvidia ที่จะรักษากระแสราคาหุ้นของตนเองไว้ได้
AI จะสร้างมหาเศรษฐีคนแรกของโลกหรือไม่? ทีมของเราเพิ่งเผยแพร่รายงานเกี่ยวกับบริษัทเดียวที่รู้จักกันน้อย ซึ่งเรียกว่า "ผู้ผูกขาดที่จำเป็น" ที่จัดหาเทคโนโลยีที่สำคัญซึ่ง Nvidia และ Intel ต่างต้องการ อ่านต่อ »
เหตุผลหนึ่งอาจเป็นเพราะนักลงทุนตระหนักว่าบูม AI มีพื้นที่ให้เติบโตอีกมากนอกเหนือจากการครอบงำหน่วยประมวลผลกราฟิก (GPU) ของ Nvidia กล่าวคือ โปรเซสเซอร์ซิลิคอนแบบกำหนดเองกำลังถูกมองว่าเป็นวิวัฒนาการต่อไปของความต้องการฮาร์ดแวร์ AI
นั่นเป็นข่าวดีสำหรับ Marvell (NASDAQ: MRVL), Broadcom (NASDAQ: AVGO) และ Taiwan Semiconductor (NYSE: TSM) นี่คือเหตุผลที่หุ้นเหล่านี้อาจได้รับแรงผลักดันในขณะที่หุ้น Nvidia พักหายใจ
เป็นเวลาหลายปีที่ GPU อเนกประสงค์ของ Nvidia เป็นโปรเซสเซอร์ศูนย์ข้อมูลที่โดดเด่น ชิปเหล่านี้เหมาะสำหรับงานประมวลผล AI ทั่วไปและสามารถใช้ได้กับการใช้งานปัญญาประดิษฐ์ที่หลากหลาย
แต่บริษัทเทคโนโลยีชั้นนำของโลกก็เริ่มตระหนักว่าเซมิคอนดักเตอร์แบบกำหนดเองมีข้อได้เปรียบเหนือกว่า GPU อเนกประสงค์ โดยเฉพาะอย่างยิ่ง พวกเขาสามารถปรับแต่งโปรเซสเซอร์ให้ทำงานร่วมกับโมเดลหรือระบบ AI เฉพาะของตนได้อย่างมีประสิทธิภาพมากขึ้น
ในพื้นที่เทคโนโลยี AI ที่มีการแข่งขันสูง สิ่งนี้สามารถสร้างความแตกต่างในการก้าวไปข้างหน้าได้ นั่นคือเหตุผลที่สิ่งที่ Marvell และ Broadcom ทำมีความสำคัญเพิ่มขึ้นเรื่อยๆ
ยอดขายวงจรรวมเฉพาะแอปพลิเคชัน (ASICs) ของ Broadcom สำหรับลูกค้าเพิ่มขึ้นเป็นสองเท่าในไตรมาสแรกของบริษัทเป็น 8.4 พันล้านดอลลาร์ Alphabet เป็นลูกค้าชั้นนำ และบริษัทเพิ่งลงนามในข้อตกลงให้ Broadcom ขยายการออกแบบลูกค้าสำหรับหน่วยประมวลผลเทนเซอร์ (TPUs) ของ Alphabet สำหรับศูนย์ข้อมูล AI ของ Alphabet จนถึงปี 2031
ยอดขาย AI เพิ่มเติมกำลังจะมาถึง ผู้บริหารของ Broadcom ประมาณการว่ารายได้ปัญญาประดิษฐ์ของบริษัทจะสูงถึง 100 พันล้านดอลลาร์ภายในปีหน้า
Marvell อยู่ในตำแหน่งที่คล้ายคลึงกัน บริษัทออกแบบโซลูชัน ASIC แบบกำหนดเองสำหรับบริษัทเทคโนโลยีขนาดใหญ่ รวมถึง Microsoft บริษัทรายงานการเติบโตที่แข็งแกร่งจากการนำของ AI ในปี 2026 โดยมียอดขายรวมเพิ่มขึ้น 42% เป็น 8.2 พันล้านดอลลาร์
Marvell ยังเป็นพันธมิตรด้านการออกแบบที่สำคัญสำหรับชิป Trainium ที่เป็นกรรมสิทธิ์ของ Amazon และ Nvidia ประกาศในเดือนมีนาคมว่าจะลงทุน 2 พันล้านดอลลาร์ใน Marvell โดยมีความร่วมมือที่ให้ลูกค้าของ Nvidia เข้าถึง ASICs ของ Marvell นี่เป็นตัวอย่างว่าชิปแบบกำหนดเองของทั้ง Marvell และ Broadcom น่าจะทำงานร่วมกัน แทนที่จะแทนที่ GPU ของ Nvidia อย่างสมบูรณ์สำหรับความต้องการประมวลผล AI
หากคุณต้องการได้รับประโยชน์จากความต้องการฮาร์ดแวร์ AI แต่ไม่ต้องการตัดสินใจว่า Nvidia, Marvell หรือ Broadcom จะเป็นผู้ชนะที่ยิ่งใหญ่ที่สุด Taiwan Semiconductor หรือที่รู้จักในชื่อ TSMC ควรเป็นตัวเลือกของคุณ
แตกต่างจากบริษัทเหล่านั้น TSMC เป็นผู้ ผลิต โปรเซสเซอร์ บริษัทครองส่วนแบ่งการตลาด 70% ในการผลิตโปรเซสเซอร์ทั่วโลก และส่วนแบ่งการตลาดที่น่าประทับใจยิ่งกว่านั้นคือ 90% ในโปรเซสเซอร์ปัญญาประดิษฐ์ขั้นสูง
ยอดขายของ TSMC พุ่งขึ้น 41% ในไตรมาสแรกเป็น 35 พันล้านดอลลาร์ และกำไรสุทธิเพิ่มขึ้น 58% เป็น 3.49 ดอลลาร์ต่อใบรับฝากขายของอเมริกา (ADR) ผู้บริหารกล่าวว่ายอดขายจะเพิ่มขึ้น 30% สำหรับทั้งปี 2026
C.C. Wei ซีอีโอของ TSMC เรียก AI ว่าเป็น "เมกะเทรนด์" ในการประชุมสายผลประกอบการล่าสุดของบริษัท และเชื่อว่าบริษัทของเขาจะยังคงได้รับประโยชน์จากความต้องการที่เพิ่มขึ้นในการผลิตโปรเซสเซอร์ AI ด้วยบริษัทเทคโนโลยีที่ยังคงต้องการ GPU ของ Nvidia รวมถึงซิลิคอนแบบกำหนดเอง TSMC จึงอยู่ในตำแหน่งที่สมบูรณ์แบบที่จะได้รับประโยชน์จากความต้องการโปรเซสเซอร์ AI ทั้งหมด ไม่ว่าโปรเซสเซอร์ใดจะชนะ
ไม่มีการรับประกันว่าหุ้น TSMC, Broadcom และ Marvell จะทำผลงานได้ดีกว่า Nvidia ภายในปี 2030 แต่ผมคิดว่าแนวโน้มสู่ซิลิคอนแบบกำหนดเองทำให้บริษัทเหล่านี้มีโอกาสที่ดีที่จะทำเช่นนั้น ข้อมูลล่าสุดจาก Semianalysis ประมาณการว่า TPUs ของ Google อาจลดต้นทุนการประมวลผลลง 62% เมื่อเทียบกับการใช้โปรเซสเซอร์ของ Nvidia เมื่อต้นปีนี้ Microsoft ได้เปิดตัวชิป Maia 200 แบบกำหนดเองสำหรับ AI inference ซึ่งได้ร่วมมือกับ Marvell ในการออกแบบ Microsoft กล่าวว่าชิปนี้จะ "ปรับปรุงเศรษฐศาสตร์ของการสร้างโทเค็น AI อย่างมาก"
บริษัท AI ชั้นนำของโลกอย่าง Anthropic และ OpenAI กำลังก้าวไปสู่ชิปแบบกำหนดเองเช่นกัน Anthropic ได้ขยายความร่วมมือกับ Broadcom เพื่อเข้าถึง 3.5 กิกะวัตต์ของ TPUs ของ Broadcom และ Google โดยเริ่มตั้งแต่ปีหน้า
คาดว่าโปรเซสเซอร์ ASIC แบบกำหนดเองจะเติบโตประมาณ 45% ในปีนี้ เทียบกับอัตราการเติบโตของ GPU ในปี 2026 ที่ 15% เมื่อการเปลี่ยนแปลงนี้ดำเนินต่อไป Marvell, Broadcom และ Taiwan Semiconductor อาจเห็นราคาหุ้นของพวกเขาเพิ่มขึ้นอย่างมากเมื่อนักลงทุนขี่คลื่นฮาร์ดแวร์ AI ลูกต่อไป
ก่อนที่คุณจะซื้อหุ้น Broadcom โปรดพิจารณาสิ่งนี้:
ทีมวิเคราะห์ Motley Fool Stock Advisor เพิ่งระบุสิ่งที่พวกเขาเชื่อว่าเป็น 10 หุ้นที่ดีที่สุด สำหรับนักลงทุนที่จะซื้อตอนนี้... และ Broadcom ไม่ได้อยู่ในรายชื่อนั้น หุ้น 10 ตัวที่ติดอันดับสามารถสร้างผลตอบแทนมหาศาลได้ในอีกไม่กี่ปีข้างหน้า
พิจารณาเมื่อ Netflix อยู่ในรายชื่อนี้เมื่อวันที่ 17 ธันวาคม 2004... หากคุณลงทุน 1,000 ดอลลาร์ ณ เวลาที่แนะนำของเรา คุณจะได้ 477,813 ดอลลาร์! หรือเมื่อ Nvidia อยู่ในรายชื่อนี้เมื่อวันที่ 15 เมษายน 2005... หากคุณลงทุน 1,000 ดอลลาร์ ณ เวลาที่แนะนำของเรา คุณจะได้ 1,320,088 ดอลลาร์!
ตอนนี้ ควรสังเกตว่าผลตอบแทนเฉลี่ยรวมของ Stock Advisor คือ 986% — ซึ่งเหนือกว่าตลาดอย่างมากเมื่อเทียบกับ 208% สำหรับ S&P 500 อย่าพลาดรายชื่อ 10 อันดับล่าสุด ซึ่งมีให้สำหรับ Stock Advisor และเข้าร่วมชุมชนการลงทุนที่สร้างขึ้นโดยนักลงทุนรายบุคคลสำหรับนักลงทุนรายบุคคล
**ผลตอบแทน Stock Advisor ณ วันที่ 25 พฤษภาคม 2026. *
Chris Neiger ไม่มีตำแหน่งในหุ้นใดๆ ที่กล่าวถึง Motley Fool มีตำแหน่งและแนะนำ Alphabet, Broadcom, Marvell Technology, Nvidia และ Taiwan Semiconductor Manufacturing Motley Fool มีนโยบายการเปิดเผยข้อมูล
มุมมองและความคิดเห็นที่แสดงในที่นี้เป็นมุมมองและความคิดเห็นของผู้เขียน และไม่จำเป็นต้องสะท้อนถึงมุมมองและความคิดเห็นของ Nasdaq, Inc.
โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้
"คูเมืองระบบนิเวศของ Nvidia และความเสี่ยงด้านการกระจุกตัวของ TSMC ทำให้การมีผลประกอบการที่เหนือกว่าของกลุ่มซิลิคอนแบบกำหนดเองภายในปี 2030 มีความเป็นไปได้น้อยกว่าที่บทความแนะนำ"
บทความนี้ระบุถูกต้องถึงความต้องการ ASIC แบบกำหนดเองที่เพิ่มขึ้นจากผู้ให้บริการคลาวด์รายใหญ่ โดยมีแนวโน้มรายได้ AI ของ Broadcom และชัยชนะในการออกแบบของ Microsoft/Amazon ของ Marvell ที่ให้การมองเห็นรายได้ที่ชัดเจนจนถึงปี 2031 อย่างไรก็ตาม บทความนี้ลดทอนความสามารถของ Nvidia ในการจับงานที่เกี่ยวข้องกับ ASIC ผ่าน DGX Cloud และการล็อกอินซอฟต์แวร์ CUDA รวมถึงการเติบโตของยอดขาย 30% ของ TSMC ในปี 2026 ที่ได้ถูกรวมราคาไว้แล้วในอัตราส่วนราคาต่อกำไรล่วงหน้า 30 เท่าขึ้นไป ความเสี่ยงด้านการกระจุกตัวทางภูมิรัฐศาสตร์ที่ TSMC และการบีบอัดอัตรากำไรที่เป็นไปได้เมื่อการออกแบบจำนวนมากขึ้นถูกนำไปใช้ภายในองค์กรยังคงไม่ได้รับการแก้ไข ซึ่งจำกัดความเป็นไปได้ของการมีผลประกอบการที่เหนือกว่า Nvidia อย่างต่อเนื่องภายในปี 2030
แม้ว่า Nvidia จะยังคงครองส่วนแบ่งซอฟต์แวร์ไว้ได้ แต่ ASIC แบบกำหนดเองก็อาจกัดกินส่วนแบ่งตลาดศูนย์ข้อมูลได้ 20-30% ภายในปี 2030 เนื่องจากปริมาณงาน inference ที่อ่อนไหวต่อต้นทุนมีการเปลี่ยนแปลง ซึ่งจะจำกัดการเพิ่มขึ้นของหลายเท่าของ NVDA ในขณะที่เพิ่มขึ้นหลายเท่าของ AVGO และ MRVL
"การเติบโตของ ASIC แบบกำหนดเองนั้นเป็นเรื่องจริง แต่บทความนี้ไม่ได้ให้หลักฐานการประเมินมูลค่าใดๆ ว่า AVGO หรือ MRVL สามารถเติบโตได้ดีกว่า NVDA ภายในปี 2030 เมื่อทั้งสองเผชิญกับการบีบอัดอัตรากำไร และ Nvidia สามารถเข้าสู่ตลาดชิปแบบกำหนดเองได้ในวงกว้าง"
บทความนี้ผสมปนเปแนวโน้มสองประการที่แยกจากกันโดยไม่ได้พิสูจน์การทดแทน ASIC แบบกำหนดเอง *จะ* เติบโต—นั่นคือเรื่องจริง แต่การเปรียบเทียบการเติบโตของ ASIC 45% กับการเติบโตของ GPU 15% นั้นทำให้เข้าใจผิดได้: ทั้งสองอย่างสามารถเติบโตไปพร้อมกันได้ สิ่งที่สำคัญกว่า: บทความอ้างอิงข้อมูลปี 2026 ราวกับว่าเป็นข้อมูลปัจจุบัน จากนั้นจึงคาดการณ์ถึงปี 2030 โดยไม่มีกรอบการประเมินมูลค่าใดๆ ส่วนแบ่งการผลิตชิป AI 90% ของ TSMC นั้นเป็นของจริง แต่ AVGO และ MRVL เป็นผู้ออกแบบที่ไม่มีโรงงานผลิต—พวกเขาไม่ได้เก็บเกี่ยวผลกำไรจากการผลิต คำถามที่แท้จริงไม่ใช่ว่าซิลิคอนแบบกำหนดเองมีอยู่จริงหรือไม่ แต่คือว่า AVGO/MRVL สามารถรักษาการเติบโตของ EPS 20%+ ได้หรือไม่เมื่อ TSMC ได้รวมราคาบูม AI ไว้แล้ว และอัตรากำไรขั้นต้นของ NVDA (70%+) ก็เหนือกว่าของพวกเขา (~50-55%)
หากซิลิคอนแบบกำหนดเองมีประสิทธิภาพด้านต้นทุนและประสิทธิภาพเหนือกว่า GPU จริงๆ Nvidia ก็ออกแบบชิปแบบกำหนดเองเช่นกัน—และมีเงินสด ความสามารถ และความสัมพันธ์กับลูกค้าที่จะทำได้เร็วกว่าที่ AVGO หรือ MRVL จะขยายขนาดได้ บทความนี้สันนิษฐานว่าบริษัทเหล่านี้เป็นเจ้าของอนาคตของซิลิคอนแบบกำหนดเอง พวกเขาอาจเป็นเพียงผู้รับเหมาช่วงเท่านั้น
"การเปลี่ยนผ่านจากการฝึกอบรมโมเดล AI ไปสู่ inference ปริมาณมากจะเอื้อต่อ ASIC แบบกำหนดเองมากกว่า GPU ทั่วไป โดยเปลี่ยนการเก็บเกี่ยวคุณค่าจากชิปที่ไม่ขึ้นกับฮาร์ดแวร์ไปสู่ซิลิคอนที่ปรับแต่งเอง"
การเปลี่ยนไปสู่ซิลิคอนแบบกำหนดเอง (ASICs) เป็นความเป็นจริงเชิงโครงสร้าง ไม่ใช่แค่แนวโน้ม ในขณะที่ Nvidia ครองการฝึกอบรมทั่วไป ระยะ "inference" ของ AI—ซึ่งเป็นปริมาณในระยะยาวที่แท้จริง—ต้องการประสิทธิภาพพลังงานและการเพิ่มประสิทธิภาพต้นทุนที่ Broadcom และ Marvell มอบให้ การรวม Broadcom เข้ากับสแต็กของผู้ให้บริการคลาวด์รายใหญ่ (Google, Meta) สร้างคูเมืองป้องกันที่โมเดลที่เน้น GPU ของ Nvidia ขาดหายไป TSMC ยังคงเป็น "เครื่องมือขุดทอง" ขั้นสูงสุด แต่นักลงทุนต้องคำนึงถึงเบี้ยประกันความเสี่ยงทางภูมิรัฐศาสตร์ที่มีอยู่ในไต้หวัน บทความนี้ระบุถูกต้องถึงการเปลี่ยนแปลงไปสู่ประสิทธิภาพต้นทุนต่อโทเค็น ซึ่งเอื้อต่อซิลิคอนเฉพาะทางมากกว่าแนวทาง GPU "ขนาดเดียวเหมาะกับทุกคน" ทำให้ AVGO และ MRVL เป็นผู้สะสมมูลค่าระยะยาวที่น่าสนใจ
ข้อสมมติฐานนี้ไม่คำนึงถึงผลกระทบ "การล็อกอินซอฟต์แวร์" ของระบบนิเวศ CUDA ของ Nvidia ซึ่งทำให้การเปลี่ยนไปใช้ซิลิคอนแบบกำหนดเองมีความเสี่ยงด้านวิศวกรรมและการย้ายข้อมูลมหาศาลสำหรับนักพัฒนา หากโมเดล AI ยังคงพัฒนาอย่างรวดเร็ว ความยืดหยุ่นของ GPU อาจยังคงมีค่ามากกว่าประสิทธิภาพของ ASIC ที่มีฟังก์ชันคงที่
"ในช่วง 4-6 ปีข้างหน้า ASIC ที่ออกแบบเองจะปลดล็อกการประหยัดต้นทุนและประสิทธิภาพที่มีความหมาย ซึ่งอาจเอียงความเป็นผู้นำตลาดไปทาง Broadcom, Marvell และ TSMC แม้ว่า Nvidia จะยังคงเป็นผู้เล่นหลักก็ตาม"
บทความนี้โต้แย้งว่า Broadcom, Marvell และ TSMC จะมีผลประกอบการดีกว่า Nvidia ภายในปี 2030 เนื่องจากการเปลี่ยนแปลงฮาร์ดแวร์ AI ไปสู่ ASIC แบบกำหนดเอง ข้อสมมตินี้มีเหตุผล: ชิปที่ออกแบบเองสามารถปรับให้เหมาะสมกับโมเดลและปริมาณงานเฉพาะ และลูกค้าหลักกำลังผลักดันเพื่อเพิ่มประสิทธิภาพต้นทุนและประสิทธิภาพ อย่างไรก็ตาม ระบบนิเวศ GPU ของ Nvidia—ซอฟต์แวร์ เครื่องมือ และการปรับใช้ที่ปรับขนาดได้—ยังคงเป็นคูเมืองที่น่าเกรงขาม ซึ่งหมายความว่าการเปลี่ยนไปใช้ซิลิคอนที่ออกแบบเองทั้งหมดอาจช้าลงและค่อยเป็นค่อยไปกว่าที่อ้างไว้ ความเสี่ยงเพิ่มเติม ได้แก่ อัตราการยอมรับ AI ที่มองโลกในแง่ดี วงจรการลงทุน (capex) ข้อจำกัดด้านอุปทานที่อาจเกิดขึ้น และความเสี่ยงทางภูมิรัฐศาสตร์ของไต้หวันซึ่งอาจขัดขวางการผลิต การประเมินมูลค่าอาจสะท้อนถึงการปรับราคาฮาร์ดแวร์ AI ที่เอื้ออำนวยอยู่แล้ว ทำให้ผลตอบแทนขึ้นอยู่กับเหตุการณ์สำคัญของการยอมรับที่จับต้องได้
ระบบนิเวศของ Nvidia มีรากฐานที่มั่นคงและสามารถปรับการดำเนินงานได้ในวงกว้าง การย้ายไปใช้ ASIC แบบกำหนดเองอาจเป็นการเปลี่ยนแปลงทีละน้อย ไม่ใช่การแทนที่ภายในกรอบเวลาปี 2030 ซึ่งบ่อนทำลายข้อสมมติฐาน
"การทำซ้ำซอฟต์แวร์รายไตรมาสของ Nvidia เอาชนะวงจร ASIC 18 เดือน ซึ่งจำกัดการเพิ่มส่วนแบ่งตลาดของ AVGO/MRVL ใน inference"
ข้ออ้างของ Gemini ที่ว่าปริมาณ inference เอื้อต่อประสิทธิภาพของ AVGO และ MRVL เพิกเฉยต่อแผนงาน Blackwell ของ Nvidia ที่กำหนดเป้าหมาย inference tokens ที่ต่ำกว่า 200W ผ่านการปรับแต่งซอฟต์แวร์ วงจรการออกแบบ ASIC กับ TSMC ยังคงใช้เวลา 18 เดือนขึ้นไป Nvidia จัดส่งการอัปเดต CUDA รายไตรมาสที่ผู้ให้บริการคลาวด์รายใหญ่สามารถนำไปใช้ได้โดยไม่ต้องมีการออกแบบชิปใหม่ ช่องว่างความเร็วนี้ทำให้ปริมาณงาน inference ส่วนใหญ่ยังคงอยู่บน GPU จนถึงปี 2028 ซึ่งจะลดทอนการปรับราคาใดๆ สำหรับผู้ออกแบบ ASIC ที่ไม่มีโรงงานผลิต
"ความคล่องตัวของซอฟต์แวร์ไม่สามารถเอาชนะเศรษฐศาสตร์ปริมาณงาน inference ได้เมื่อซิลิคอนแบบกำหนดเองได้รับการพิสูจน์และคิดค่าเสื่อมราคาแล้ว"
Grok ผสมปนเปความเร็วของวงจรการออกแบบกับความเป็นจริงของการปรับใช้ ใช่ Nvidia จัดส่งการอัปเดต CUDA รายไตรมาส—แต่ผู้ให้บริการคลาวด์รายใหญ่ไม่ได้นำไปใช้โดยไม่ตรวจสอบความถูกต้องของ inference และต้นทุนต่อโทเค็นเทียบกับซิลิคอนแบบกำหนดเองที่มีอยู่แล้วในสายการผลิต Maia 200 ของ Microsoft และ TPU ของ Google ไม่ได้ล่าช้าเนื่องจากความล่าช้าในการออกแบบชิป แต่กลับถูกจัดส่งเพราะส่วนต่างประสิทธิภาพมีความคุ้มค่ากับความพยายามทางวิศวกรรม จังหวะรายไตรมาสของ Nvidia มีความสำคัญต่อการฝึกอบรม เศรษฐศาสตร์ inference เอื้อต่อซิลิคอนแบบคงที่เมื่อได้รับการตรวจสอบแล้ว
"ความพร้อมใช้งานของ GPU และความเร็วในการออกสู่ตลาดในปัจจุบันมีค่ามากกว่าผลกำไรด้านประสิทธิภาพส่วนเพิ่มของ ASIC แบบกำหนดเองสำหรับผู้ให้บริการคลาวด์รายใหญ่"
Claude คุณกำลังมองข้ามความเข้มข้นของเงินทุนในการเปลี่ยนแปลง "inference" แม้ว่าคุณจะโต้แย้งว่าซิลิคอนแบบกำหนดเองเป็นสิ่งที่หลีกเลี่ยงไม่ได้ แต่คุณก็เพิกเฉยว่าผู้ให้บริการคลาวด์รายใหญ่กำลังทุ่มเงินหลายพันล้านดอลลาร์ให้กับ GPU ของ Nvidia อย่างแม่นยำ เพราะพวกเขาไม่สามารถรอวงจรการตรวจสอบ ASIC 18 เดือนที่ Grok กล่าวถึงได้ เรากำลังเห็นการเพิ่มขึ้นของ "ดีพอแล้ว" ที่ความพร้อมใช้งานของ GPU ดิบมีค่ามากกว่าประสิทธิภาพส่วนเพิ่มของซิลิคอนแบบกำหนดเอง จนกว่าความจุ CoWoS ของ TSMC จะหยุดเป็นคอขวดหลัก การเปลี่ยนแปลง ASIC จะเป็นตัวขับเคลื่อนการเติบโตที่รองลงมา ไม่ใช่ตัวขับเคลื่อนหลัก
"การล็อกอินซอฟต์แวร์และต้นทุนการพอร์ตจะทำให้การย้ายไปใช้ซิลิคอนแบบกำหนดเองช้าลง ทำให้ GPU ของ Nvidia ยังคงครองตลาด inference ได้นานกว่าที่ตลาดคาดการณ์ไว้"
การเน้นย้ำของ Gemini ในเรื่อง "ประสิทธิภาพ inference" เป็นตัวขับเคลื่อนเพียงอย่างเดียว มีความเสี่ยงที่จะประเมินคูเมืองซอฟต์แวร์ต่ำเกินไป แม้ว่า AVGO/MRVL จะเสนอต้นทุนต่อโทเค็นที่ต่ำกว่า ผู้ให้บริการคลาวด์รายใหญ่ก็ต้องเผชิญกับการพึ่งพา CUDA/CuDNN การปรับโมเดลให้เหมาะสม และความคุ้นเคยกับเครื่องมือที่ทำให้การย้ายข้อมูลช้าลง ระบบนิเวศของ Nvidia สามารถคิดค่าเสื่อมราคาเงินลงทุนและยังคงจับปริมาณงาน inference ใหม่ผ่านการปรับแต่งซอฟต์แวร์และตัวเลือกคลาวด์ เช่น DGX Cloud โดยทำให้การเปลี่ยนแปลงเป็นไปทีละน้อยจนถึงปี 2028-29 และจำกัดการปรับราคาในระยะสั้นของ AVGO/MRVL
คณะกรรมการเห็นพ้องกันว่า ASIC แบบกำหนดเองจะเติบโตและมีความสำคัญต่อ AI inference แต่จังหวะและขอบเขตของการนำไปใช้ยังคงไม่แน่นอน ระบบนิเวศซอฟต์แวร์ของ Nvidia และประสิทธิภาพของ GPU ถือเป็นอุปสรรคสำคัญต่อการทดแทนอย่างรวดเร็ว
ศักยภาพการเติบโตในระยะยาวในซิลิคอนเฉพาะทางสำหรับ AI inference ซึ่งขับเคลื่อนโดยความต้องการด้านต้นทุนและประสิทธิภาพพลังงานจากผู้ให้บริการคลาวด์รายใหญ่
การเปลี่ยนไปใช้ ASIC แบบกำหนดเองอาจช้ากว่าที่คาดไว้เนื่องจากคูเมืองซอฟต์แวร์ของ Nvidia และประสิทธิภาพของ GPU ซึ่งจำกัดการปรับราคาในระยะสั้นของผู้ออกแบบ ASIC ที่ไม่มีโรงงานผลิต เช่น Broadcom และ Marvell